RachelTang1999-CSDN博客

原创推荐系统评价指标/ROC/AUC（附代码）

P-R曲线上一个点代表着，某一阈值下，模型将大于该阈值的结果判为正样本，小于该阈值的为负样本，此时返回结果对应的召回率和精确率。从计算概率的角度理解AUC，随机抽出一对样本（一个正样本，一个负样本），然后用训练得到的分类器来对这两个样本进行预测，预测得到。一共有MxN对样本（一对样本即，一个正样本与一个负样本），先统计这MxN对样本里，正样本的预测概率大于负样本的预测概率的个数。在（D,B）样本对中，正样本D预测的概率大于负样本B预测的概率（也就是D的得分比B高），记为1。曲线A完全包住曲线B，那么A好。

2023-03-15 21:21:54 594 1

原创【反向传播/CNN/ResNet】

正向传播”求损失，“反向传播”回传误差。神经网络每层的每个神经元都可以。

2023-03-15 19:29:34 666

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 推荐系统评价指标/ROC/AUC（附代码）

原创 【反向传播/CNN/ResNet】

空空如也

空空如也

原创推荐系统评价指标/ROC/AUC（附代码）

原创【反向传播/CNN/ResNet】